-
Solutions
-
Speech
Intelligenza vocale che supera il test umano.
Sintesi vocale e trascrizione di frontiera per interazioni naturali, espressive e ricche di sfumature.
Basato su modelli vocali open source di ultima generazione.
Voxtral TTS.
Generazione e clonazione vocale realistiche ed emotivamente espressive.
Voxtral Mini Transcribe 2.
Trascrizione in blocco con diarizzazione dei parlanti e ponderazione contestuale.
Voxtral Realtime.
Trascrizione in live streaming con latenza inferiore a 200 ms.
Perché Mistral Speech?
Primi passi con Mistral Speech.
API.
Accesso programmatico ai modelli audio di Mistral per integrazioni personalizzate.
Ambiente.
Prova la generazione, la clonazione e la trascrizione vocale in Mistral Studio.
Azienda.
Implementazioni personalizzate, soluzioni, addestramento dei modelli e supporto dedicato.
Chiudere il cerchio sull'intelligenza audio.
Crea e personalizza le voci.
Agenti vocali.
Conversazioni vocali in tempo reale che ascoltano, ragionano e rispondono con la voce, il tono e le conoscenze di dominio del tuo brand.
Clonazione vocale.
Replica qualsiasi voce a partire da un campione di appena 3 secondi, catturandone tono, ritmo e personalità.
Sintesi vocale.
Parlato emotivamente espressivo e clonazione vocale che catturano la personalità del parlante. Adattati a qualsiasi voce da un breve campione oppure usa voci preimpostate.
Cattura ogni parola.
Trascrizione in tempo reale.
Architettura di streaming che trascrive l'audio man mano che arriva, non a blocchi, con una latenza configurabile fino a meno di 200 ms.
Trascrizione in blocco.
Elabora riunioni di molte ore, registrazioni di chiamate e archivi di conformità, con output strutturati e attribuzione dei parlanti.
Adattamento translinguistico.
Genera il parlato in una lingua utilizzando la voce di un'altra, preservandone accento e identità.
Prototipa, testa, ottimizza, adatta.
Ambiente audio.
Testa conversazioni, generazione vocale e trascrizione in Mistral Studio con attori vocali, emulazione vocale, diarizzazione e controlli per singolo input.
Diarizzazione dei parlanti.
Identifica chi ha detto cosa e quando, con etichette per ogni parlante e data e ora di inizio/fine per riunioni, interviste e chiamate con più partecipanti.
Ponderazione contestuale.
Guida il modello con fino a 100 termini personalizzati: nomi, vocabolario tecnico, gergo interno.
Come i team utilizzano Mistral Speech oggi.
Risorse.
Documentazione
Novità.
Community.
Domande frequenti.
Prova la generazione e la trascrizione vocale nell'ambiente audio di Mistral Studio, integra tramite API o scarica i modelli open‑weight per l'hosting autonomo.
Sì, due. Voxtral Mini Transcribe 2 per la trascrizione in blocco con diarizzazione dei parlanti e ponderazione contestuale e Voxtral Realtime per la trascrizione in live streaming con latenza inferiore a 200 ms.
Sì, puoi fornire un campione vocale anche di soli 3 secondi e Voxtral TTS, il nostro modello di sintesi vocale, si adatterà per catturare il tono, il ritmo e la personalità del parlante. Puoi anche usare voci preimpostate o creare la tua libreria vocale.
La trascrizione supporta 13 lingue, tra cui inglese, francese, tedesco, spagnolo, cinese, hindi, arabo, portoghese, russo, giapponese, coreano, italiano e olandese.
La generazione vocale supporta 9 lingue con espressioni dialettali in inglese, francese, tedesco, spagnolo, olandese, portoghese, italiano, hindi e arabo.
Un esempio di combinazione di modelli Voxtral per formare una pipeline speech-to-speech è:
Voxtral Realtime trascrive il parlato in ingresso, un altro Mistral LLM elabora la trascrizione e determina una risposta, e Voxtral TTS genera l'output vocale.
Ogni componente è personalizzabile e distribuibile in modo indipendente.
L'adattamento vocale multilingue significa che la pipeline può gestire anche la traduzione in tempo reale preservando accento e identità del parlante.
Sì, puoi eseguire in hosting autonomo Mistral Speech o distribuirlo su Mistral Compute.